模式识别基础实验讲义.doc

实验一 Bayes分类器的设计 实验目的： 1. 对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识； 2. 理解二类分类器的设计原理。实验条件PC微机一台和MATLAB软件。 实验原理，，及给出待识别的的情况下，根据贝叶斯公式计算出后验概率： 　　　　 2. 利用计算出的后验概率及决策表，按下式计算出采取决策的条件风险： 　　 3. 对2中得到的个条件风险值（）进行比较，找出使条件风险最小的决策，即： 　　， 则就是最小风险贝叶斯决策。 实验内容： 假定某个局部区域细胞识别中正常（）和非正常（）两类先验概率分别为： 正常状态：=0.9； 异常状态：=0.1。 现有一系列待观察的细胞，其观察值为： -3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 类条件概率分布正态分布分别为（-2，0.25）（2,4）。决策表为(表